文献

J-GLOBAL ID：201902223799246189   整理番号：19A0347014

深層学習を用いた台風強度推定に対する台風の特徴の影響

著者 (7件)： 加瀬紘煕 (横浜国大 大学院) ,  筆保弘徳 (横浜国大 大学院) ,  北本朝展 (国立情報学研) ,  CHEN Danlan (McGill Univ.) ,  吉田龍二 (NOAA) ,  吉田龍二 (理研) ,  竹見哲也 (京大 防災研)
資料名： 天気
巻： 66  号： 1  ページ： 51-58  発行年： 2019年01月31日 
JST資料番号： F0064A  ISSN： 0546-0921  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・現在,気象庁は海上における台風の強度を衛星画像の台風雲パターンと強度間の統計的関係に関するDvorak法を使って推定。
・ニューラルネットワークを多階層構造にして,より複雑な関係性を表現できるようにした学習を深層学習と呼称。
・深層学習を用いれば過去の多量の衛星雲画像データとその時の強度推定結果を学習させることで,衛星雲画像からより客観的に台風強度を推定できると考察。
・本研究では深層学習を使った台風強度推定モデルを独自に開発し,特徴別に台風を分類し,検証して,台風の特徴によって台風強度推定モデルの精度の変化を研究。
・台風の強度,海域,季節,発達期などによる検証結果(RMSE)を記述。

シソーラス用語： 機械学習 ,  *強度 ,  *台風 ,  方法論 ,  *衛星利用画像 ,  神経回路網 ,  *雲画像 ,  *深層学習
準シソーラス用語： Dvorak法

分類 (2件)： 大規模擾乱,台風,大気重力波  (DC05070R) ,  気象学一般  (DC05010D)

引用文献 (24件)：

• Dvorak, V. F., 1984: Tropical cyclone intensity analysis using satellite data. NOAA Tech. Rep. NESDIS 11, 47pp.
• Ebert-Uphoff, I., D. R. Thompson, I. Demir, Y. R. Gel, M. C. Hill, A. Karpatne, M. Guereque, V. Kumar, E. Cabral-Cano and P. Smyth, 2017: A vision for the development of benchmarks to bridge geoscience and data science. Proc. 7th Int. Workshop Climate Inf.: CI2017 (V. Lyubchich et al., ed.), 49-52.
• Fudeyasu, H., S. Hirose, H. Yoshioka, R. Kumazawa and S. Yamasaki, 2014: A global view of the landfall characteristics of tropical cyclones. Trop. Cyclone Res. Rev., 3, 178-192.
• Fudeyasu, H., K. Ito and Y. Miyamoto, 2018: Characteristics of tropical cyclone rapid intensification over the Western North Pacific. J. Climate, 31, 8917-8930.
• Gorricha, J. and A. C. Costa, 2013: A framework for exploratory analysis of extreme weather events using geostatistical procedures and 3D self-organizing maps. Int. J. Adv. Intel. Syst., 6, 16-26.

タイトルに関連する用語 (4件)： 深層学習 ,  台風強度 ,  推定 ,  台風